随着传感器技术、空间定位技术的快速发展,以及软硬件计算能力的提高,车辆轨迹获取越来越容易。车辆GPS轨迹具有成本低、更新快、大规模等优点,同时还包含其他属性信息,可以从中挖掘到关于道路网络的大量数字信息,因此越来越多的研究者开始关注基于轨迹挖掘的道路信息提取。目前很多日常车辆装有GPS设备,尤其是每天穿梭在城市街道中的出租车,但是考虑到成本控制,出租车轨迹数据质量不高,存在采样频率低、定位精度低、噪声点多、数据分布不均匀等缺点,在用以提取道路信息时有诸多挑战。本文针对低频轨迹的上述缺点,综合聚类计算与图像处理的优势,提出一种集成方法,以提取道路交叉路口位置信息为优先,进而识别转向信息。本文的主要研究内容有如下两个方面:（1）基于矢栅融合的道路交叉口位置提取:本文分别在矢量空间和栅格空间提取道路交叉口位置信息。在矢量空间,采用密度峰值聚类算法识别交叉口,兼顾不同路段的密集与稀疏问题,克服了数据分布不均匀的缺点。在栅格空间,利用数学形态学处理不同分辨率的轨迹栅格图像,保证了结果的完整性。本文设计一种矢栅融合规则探测交叉口,对多结果进行融合处理,并判断交叉口的真伪性,去除伪交叉口,提高了结果的准确性。（2）面向轨迹路径的交叉口转向信息识别:本文通过对轨迹路径的分析和计算识别交叉口转向信息。本文提出利用Delaunay三角网探测交叉口辐射区域,并提取辐射区域内的子轨迹序列作为轨迹路径,基于相似性度量与方向聚类的原理计算轨迹路径的方向变化,提取其转弯规则,最后根据子轨迹序列的属性信息识别关联交叉口,推导出交叉口转向关系。本文方法计算简便、生成结果速度快,且充分利用轨迹路径以克服低频数据的局限性,保证了结果的准确性。为验证研究方法的有效性,本文以武汉市10天的出租车轨迹作为实验数据,选取了道路形状结构具有代表性的武汉市汉口区域作为实验区域,与其他方法的结果进行对比,实验结果在视觉检测和精度评定方面都有较好的效果。本文方法可以适用于低频轨迹数据,对数据稀疏区域也有较好的效果,道路交叉口位置和转向信息结果均具有较高的完整性和准确性。因此,本文所提出的方法为丰富和更新可导航道路网络数据提供了一个可行的补充方案,在智能交通系统中具有一定的应用价值。